无法在PDF文档中找到ColorSpace对象的位置

Question

我想在PDF中标识ColorSpace对象，并获取它们在页面中的位置（坐标，颜色空间的宽度和高度）。 我尝试遍历Contents.ContentContext.Resources.ColorSpaces的BaseDataObject ，我可以在文件中标识Pantone色彩空间 （如屏幕截图所示），但是无法找到有关对象位置（x，y，w和h）的信息。

在哪里可以找到ColorSpaces和嵌入式图像等可见对象（在打开文档时可见）的确切位置？

我正在使用“ pdfclown ”库从PDF提取有关ColorSpaces的信息。 任何输入都会有所帮助。 提前致谢。

ContentScanner cs =  new ContentScanner(page);     
System.Collections.Generic.List<org.pdfclown.documents.contents.colorSpaces.ColorSpace> list = cs.Contents.ContentContext.Resources.ColorSpaces.Values.ToList();
    for (int i = 0; i < list.Count; i++)
    {
            org.pdfclown.objects.PdfArray array = (org.pdfclown.objects.PdfArray)list[i].BaseDataObject;
            foreach (org.pdfclown.objects.PdfObject s in array)
            { 
                //print colorspace and its x,y,w,h
            }
    }

PDF文档 （具有CMYK和Pantone颜色）

截图

Answer 1

我想在PDF中标识ColorSpace对象，并获取它们在页面中的位置（坐标，颜色空间的宽度和高度）。

我假设你是说这里的方块：

请注意，这些不是 PDF ColorSpace对象，而是许多简单（矩形）的路径，其中填充了不同的颜色并在其上绘制了一些文本。

PDF ColorSpace不是彩色区域的特定渲染，它们是抽象的颜色规范 ：

颜色可以用多种颜色系统或颜色空间中的任何一种来描述。 一些颜色空间与设备颜色表示（灰度，RGB，CMYK）有关，其他颜色空间与人类的视觉感知（基于CIE）有关。 某些特殊功能也被建模为颜色空间：图案，颜色映射，分离以及高保真和多色调颜色。

（ISO 32000-1，第8.6节“色彩空间”）

因此，当您寻找具有坐标，宽度和高度的对象时，您正在寻找的是使用这些抽象色彩空间而不是普通色彩空间的 绘图指令 。

我尝试遍历Contents.ContentContext.Resources.ColorSpaces中的BaseDataObject，我可以在文件中标识Pantone色彩空间 （如屏幕截图所示），但是无法找到有关对象位置（x，y，w和h）的信息。

通过查看cs.Contents.ContentContext.Resources.ColorSpaces您可以获得所有可用于当前上下文的特殊颜色的枚举，而不是实际用法的枚举。 为了获得实际的用法，您必须遍历ContentScanner cs ，即，您必须检查当前上下文中的指令，例如：

SeparationColorSpace space = null;
double X = 0, Y = 0, Width = 0, Height = 0;

void ScanForSpecialColorspaceUsage(ContentScanner cs)
{
    cs.MoveFirst();
    while (cs.MoveNext())
    {
        ContentObject content = cs.Current;
        if (content is CompositeObject)
        {
            ScanForSpecialColorspaceUsage(cs.ChildLevel);
        }
        else if (content is SetFillColorSpace _cs)
        {
            ColorSpace _space = cs.Contents.ContentContext.Resources.ColorSpaces[_cs.Name];
            space = _space as SeparationColorSpace;
        }
        else if (content is SetDeviceCMYKFillColor || content is SetDeviceGrayFillColor || content is SetDeviceRGBFillColor)
        {
            space = null;
        }
        else if (content is DrawRectangle _dr)
        {
            if (space != null)
            {
                X = _dr.X;
                Y = _dr.Y;
                Width = _dr.Width;
                Height = _dr.Height;
            }
        }
        else if (content is PaintPath _pp)
        {
            if (space != null && _pp.Filled && (X != 0 || Y != 0 || Width != 0 || Height != 0))
            {
                String name = ((PdfName)((PdfArray)space.BaseDataObject)[1]).ToString();
                Console.WriteLine("Filling rectangle at {0}, {1} with size {2}x{3} using {4}", X, Y, Width, Height, name);
            }
            X = 0;
            Y = 0;
            Width = 0;
            Height = 0;
        }
    }
}

注意： 这仅仅是一个概念验证 ，已尽可能简化，以便仍在您的PDF中工作，如上面屏幕快照中的正方形所示。

对于一般解决方案，您将不得不对此进行大量扩展：

• 该代码仅检查给定的内容扫描器，即仅检查已针对其初始化的内容流（在您的情况下为页面内容流）。

  从这样的上下文流中，可以引用其他内容流，例如表单XObject。 为了捕获通用文档中有趣的色彩空间的所有用法，您还必须递归检查此类相关的内容流。

• 该代码将忽略当前的转换矩阵。

  可以通过一条指令更改当前变换矩阵，以使所有按照以下指令绘制的图形的坐标都根据仿射变换而变化。 为了正确获取通用文档中的所有坐标和尺寸，必须将当前的变换矩阵应用于它们。

• 该代码将忽略save-graphics-state / restore-graphics-state指令。

  当前图形状态（包括填充颜色和当前变换矩阵）可以存储在堆栈中并从堆栈中恢复。 要在常规文档中正确获取颜色，坐标和尺寸，您必须跟踪保存和恢复的图形状态（或使用cs.State数据进行颜色和转换，而PDF Clown会为您完成此操作）。

• 该代码仅查看“ 分离”色彩空间。

  如果您也对其他颜色空间感兴趣，则可以将其概括化。

• 该代码仅了解非常具体的琐碎路径：仅由定义矩形的一条指令生成的路径。

  对于通用解决方案，您必须支持任意路径。